收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群优化算法的改进研究及在石油工程中的应用

刘华蓥  
【摘要】:石油工程中的很多问题都可以抽象为优化问题。面对这些复杂优化问题,传统优化方法往往无能为力,于是智能优化方法成为解决复杂优化问题的有效方法,而粒子群优化算法是得到广泛关注和应用的一种智能优化方法。 粒子群优化算法计算简单、控制参数少、易于实现、具有较强的鲁棒性,非常适合于求解复杂优化问题,但它有易陷入局部最优、收敛精度不高等缺点。因此,本文对其在求解无约束单目标、有约束单目标和有约束多目标等优化问题时的性能进行了研究与改进,并将改进后的算法应用于几个典型的石油工程优化问题,取得了令人满意的效果。 1.本文提出一种基于混沌变异的动态量子粒子群优化算法。该算法根据群体进化因子动态划分子群,当种群进化速度减慢时,对由适应值较差的粒子组成的子群采用混沌变异,并对全局最优位置加一小扰动,以保持种群的多样性,提高算法的全局搜索能力。对典型高维复杂函数的测试结果表明,该算法不易陷入局部极值,收敛速度快,优化效果明显优于混沌优化算法和量子粒子群优化算法,体现出良好的全局优化性能。将该方法与罚函数法相结合,应用于油田注水系统运行调度优化,取得了较好的效果。 2.目前最常用的约束条件处理方法是惩罚函数法,但确定适当的罚因子是很困难的,常常需要多次实验来不断调整。本文提出一种基于双适应值的量子粒子群优化算法。该算法将目标函数和约束条件分离,从而赋予每个粒子双适应值,并根据这两个适应值来决定粒子优劣,同时提出保持不可行解比例的自适应策略。数值实验证明该算法在求解精度和稳定性上明显优于采用罚函数的量子粒子群优化算法和其他几种算法。将该方法应用于油田注水管网布局优化设计,取得了较好的优化效果。 3.本文提出基于空间划分树的多目标粒子群优化算法。该算法把外部集所对应的目标空间划分为多个单元格,使用空间划分树来索引非空单元,降低了算法的时间复杂度。优先选择拥挤距离密度比最大的粒子作为全局极值,使全局极值的选取更加准确,从而使非劣解集的多样性有了进一步提高。数值实验验证了该方法的有效性。将该方法应用于油品调和优化,取得了较好的优化效果。 4.将基于双适应值的量子粒子群优化算法分别应用于分层开发指标动态劈分预测和管道保温优化设计,都取得了很好的优化效果;将基于空间划分树的多目标粒子群优化算法分别应用于配注方案优化和管道保温优化,也都取得了令人满意的结果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李爱国;多粒子群协同优化算法[J];复旦学报(自然科学版);2004年05期
2 何伟,李亚伟,金栋,刘光岩;基于PSO的模糊人工神经网络径流预报模型[J];气象水文海洋仪器;2004年02期
3 孙慧;张雪英;宁爱平;;粒子群优化模糊神经网络在语音识别中的应用[J];数学的实践与认识;2010年06期
4 黄磊;张书毕;张秋昭;姜波;;基于粒子群优化的BP神经网络在GPS高程拟合中的应用[J];测绘信息与工程;2009年06期
5 王正初;;车辆路径问题的改进混合粒子群算法研究[J];计算机仿真;2008年04期
6 郭新辰;吴希;陈书坤;吴春国;;基于RBFNN和PSO求解第二类Volterra积分方程的混合方法[J];吉林大学学报(理学版);2010年04期
7 王李进;胡欣欣;宁正元;;基于粒子群优化的投影寻踪聚类模型及其应用[J];南京信息工程大学学报(自然科学版);2010年04期
8 苏国韶;张克实;吕海波;;位移反分析的粒子群优化-高斯过程协同优化方法[J];岩土力学;2011年02期
9 吴延科;徐晨;李国;;基于粒子群统计规律的PSO算法[J];郑州大学学报(理学版);2006年04期
10 刘淳安,何广平,雍龙泉;解多目标优化问题的新粒子群存档算法[J];陕西理工学院学报(自然科学版);2005年03期
11 佘远俊;张翠芳;鄢田云;;粒子群神经网络及其在非线性系统辨识中的应用[J];成都信息工程学院学报;2006年02期
12 姜谙男;梁冰;;地下水化学特征组分识别的粒子群支持向量机方法[J];煤炭学报;2006年03期
13 高飞;童恒庆;;一类求解方程根的改进粒子群优化算法[J];武汉大学学报(理学版);2006年03期
14 朱进军;段高燕;王秋国;张晓光;杨伯君;;使用PSO算法的二阶偏振模色散自适应补偿实验[J];光子技术;2006年03期
15 吕福祥;黄磊;;基于粒子群优化的支持向量机在地表沉降预测中的应用[J];测绘信息与工程;2010年02期
16 曹琳昱;朱仕军;周强;;基于粒子群优化的BP网络在地震属性融合技术中的应用[J];石油与天然气地质;2010年05期
17 薛贵生;;基于支持向量机的煤灰结渣特性判别[J];科技风;2011年15期
18 张勇德,黄莎白;基于粒子群算法的浮筒配置优化问题的研究[J];海洋技术;2004年02期
19 陈群贤;;近似粒子群算法在Flow-shop调度中的应用[J];上海电机学院学报;2006年02期
20 郭占富;崔葛谨;;基于粒子群算法的自适应多目标优化[J];科技资讯;2008年29期
中国重要会议论文全文数据库 前10条
1 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年
2 王晓燕;王东风;韩璞;;一种分数阶系统的粒子群优化辨识方法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
3 范业坤;梁新荣;;基于粒子群优化的高速公路匝道PI控制器[A];第二十七届中国控制会议论文集[C];2008年
4 薛艳红;胡立坤;;基于粒子群优化的配电网静止同步补偿器PI控制器整定[A];中南六省(区)自动化学会第二十九届学术年会论文集[C];2011年
5 徐俊杰;忻展红;;粒子群优化在0/1背包问题中的应用[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
6 冯祎;李霞;;一种K最近邻分类的改进算法及应用[A];2011年全国通信安全学术会议论文集[C];2011年
7 赵秋玲;周雅莉;张奇志;;基于粒子群优化的结构振动分布式反馈控制[A];2005年中国智能自动化会议论文集[C];2005年
8 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
9 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
10 张奇志;周亚丽;;移动机器人运动规划的粒子群优化算法[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
中国博士学位论文全文数据库 前10条
1 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
2 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
3 李磊;六自由度并联平台位置正解及控制方法研究[D];哈尔滨工程大学;2008年
4 马瑞新;基于粒子群的网络社区动态角色挖掘研究[D];大连理工大学;2012年
5 陈虹;分离流动的电磁力主动控制[D];华中科技大学;2011年
6 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009年
7 王纵虎;聚类分析优化关键技术研究[D];西安电子科技大学;2012年
8 韩晓霞;混沌与支持向量机结合的多相催化建模与优化研究[D];太原理工大学;2010年
9 刘阳;云计算中服务组合与选择技术研究[D];北京邮电大学;2013年
10 柯晶;强跟踪状态估计与群集辨识[D];浙江大学;2003年
中国硕士学位论文全文数据库 前10条
1 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年
2 马培培;基于粒子群的图像阈值化分割的研究及应用[D];合肥工业大学;2010年
3 姚杰;基于PSO混沌神经网络电力系统负荷预测[D];大庆石油学院;2009年
4 刘杨;粒子群优化算法在电力系统无功优化中的应用[D];天津大学;2005年
5 任晓娜;DNA计算中的编码设计优化算法[D];湖南大学;2010年
6 王琳;基于粒子群优化的数据流挖掘的聚类算法分析[D];长沙理工大学;2010年
7 李涛;基于SVM和PSO的非线性模型预测控制及应用研究[D];上海交通大学;2008年
8 孙巍;供热管网的建模分析及水力平衡调节[D];北京化工大学;2008年
9 李峰;大规模场景绘制中的纹理合成技术研究[D];哈尔滨理工大学;2008年
10 陈亚洲;基于粒子群优化的协同优化方法研究[D];华中科技大学;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978